学習とエンリッチメント

コンテキストスタジオ → エンリッチメント（/platform/context-graph?view=enrich）は、ビジネスコンテキストライブラリ を育てるための 2 つのガバナンス付きループを統合します。

1. 質問からの学習とギャップ（&enrich=gaps）: 回答へのフィードバックとオプトインされた結果レコードから、未定義の用語、曖昧な名前、繰り返される未解決の質問を特定します。
2. 提案と実行（&enrich=proposals、&enrich=runs）: 文書、未解決のギャップ、メンバーからの提案から出典付きのライブラリ提案を下書きし、スチュワードがワンクリックで審査できるようにします。

回答フィードバックと設定 → 質問からの学習

すべての回答画面（コレクションの質問、ベクトル検索チャット、ヘッダー検索、リネージの質問）にはフィードバックボタンがあります。

設定 → 質問からの学習（/platform/settings?tab=learning）では、ワークスペースの owner（learning:manage）が明示的なフィードバック以外に何を保持するかを選択します。

保持期間の短縮、テキスト保持から結果のみへの変更、またはオフへの切り替えを行うと、新しい設定で許可されなくなったデータは即座に消去されます。メンバーはいつでも 設定 → 質問からの学習 から自分の保持された質問とフィードバックを確認・削除できます。

ギャップ一覧

ギャップ検出は毎日、およびオンデマンド（キュレーターによる手動実行、10 分に 1 回まで）で実行され、8 種類のギャップを特定します：未定義の用語（フィードバックまたはエージェントの report_context_gap）、曖昧な用語、根拠不足、否定的フィードバック、言い換えられた質問、古い出典、頻繁な質問（検証済み回答なし）、低速または高コスト。承認済みのライブラリ項目がそのトピックをカバーし、直近 14 日間のシグナルが半減以下になると、ギャップは自動的に解決済みになります。

エンリッチメント実行と提案の種別

キュレーターは 実行 → 設定（PUT /api/w/:wsId/context-enrichment/settings）で対象（1〜50 コレクション）、スケジュール（off、daily、weekly）、文書変更時の自動トリガー、使用モデル、1 回の実行あたりのトークン予算（5,000〜5,000,000、既定 200,000）を設定します。

エンリッチメント実行は、AI が書いた要約ではなく常に実際の文書パッセージを引用する提案を下書きします。

• 新規用語、用語の更新、検証済みの回答、指示、リンク（グラフエンティティまたはオントロジー型へのリンク）、廃止、競合（2 つの出典が異なる定義を述べている場合）。
• 構造化データと dbt オブジェクト 向けのデータ説明、用語とデータのリンク、結合パス（AI モデル呼び出しなしで作成）。

メンバーからの提案とワンクリックレビュー

回答ワークスペースまたは保存された質問履歴から、引用文書を読み取れるメンバーは組織メモリへ提案して、回答全体（検証済みの回答として）または選択箇所（ビジネス用語または指示として）を送信できます。レビュアーに見えるのは提案された文面、質問、引用のみであり、メンバーの非公開の会話履歴やメモは一切公開されません。

提案受信箱では、スチュワードが各提案を 1 件ずつ審査します（一括承認はありません）。

• 理由チップまたは理由入力による承認、文面を修正してからの編集して承認、または理由付きの却下。
• 変更のチェック: ライブラリに評価データセットが紐づいている場合、キュレーターは承認前に保留中の提案を選択してデータセットでテストできます。精度低下（回帰）が検出された提案を承認するには overrideReason が必要です（409 REGRESSION_OVERRIDE_REQUIRED）。